游戏 AI / 系统课时
用距离测试筛选位置
用距离测试筛选位置
射击型敌人发现玩家后,不能只选择最近的可移动点,否则可能贴近玩家或跑得过远。本课使用 EQS Distance Test 限制候选位置与玩家、自身的距离,再通过评分和行为树执行移动,让敌人在合理的战斗范围内选择位置。
学习目标
- 理解 Distance Test、Generator 和 Context 在位置筛选中的职责。
- 配置目标距离与自身距离的双重范围过滤,并控制候选点评分。
- 使用独立计算和 EQS 调试工具验证结果,处理候选点为空的情况。
从候选点到距离范围
EQS 的 Distance Test 不负责生成位置,而是计算 Generator 提供的每个 Item 与指定 Context 之间的距离。Generator 决定有哪些点可选,Context 决定距离从哪里量起,Test 决定哪些点符合要求。
假设一个远程敌人希望与玩家保持 800~1400 厘米的距离,同时不希望为了寻找位置而移动超过 1000 厘米。可以建立两个独立的距离约束:
- 目标距离:候选点到 TargetActor 的距离为 800~1400 厘米,控制战斗安全范围。
- 自身距离:候选点到 Querier 的距离为 200~1000 厘米,避免原地微调和过远移动。
两个过滤条件必须同时满足。距离本身只表示空间远近,不代表该位置一定能寻路到达、具有射击视线或不存在其他敌人。

在 EQS 中配置 Distance Test
准备一个具有导航网格的测试关卡,场景中放置 AI Pawn 和玩家角色。确认项目已启用 Environment Query Editor,然后在内容浏览器的 Artificial Intelligence 分类下创建 Environment Query,命名为 EQS_CombatPosition。
本例使用两个距离测试。为了让查询能够取得玩家位置,先创建继承 EnvQueryContext_BlueprintBase 的 EQC_Player,在 Provide Single Actor 中返回 Get Player Character。这种写法适合单人测试;正式项目应从发起查询的 AI 及其 Blackboard 获取 TargetActor,避免错误引用其他玩家。
按以下顺序配置查询:
- 在 EQS 图中从 Root 添加
Points: GridGenerator,将Generate Around设置为Querier,Grid Half Size设置为 1500,Space Between设置为 300,并检查候选点能正确投射到 NavMesh。 - 在 Generator 上添加
DistanceTest,设置Distance To = EQC_Player、Test Mode = 2D、Test Purpose = Filter Only、Filter Type = Range,最小值 800,最大值 1400。 - 再添加一个
DistanceTest,将Distance To设置为Querier,其他过滤方式相同,最小值 200,最大值 1000。 - 根据需要添加
PathfindingTest,以Querier为 Context,使用Path Exist检查候选点是否存在可达路径。 - 保存 EQS 资产,并检查目标距离、移动距离和导航过滤共同作用后的有效点数量。
这些距离单位均为厘米。2D 模式只计算 XY 平面距离,适合主要在平地移动的角色;多层建筑或飞行角色可能需要使用完整的 3D 距离。
用计算示例验证筛选逻辑
在引擎中调试之前,可以先用下面的 Python 脚本独立验证两个范围条件。该脚本不修改 Unreal 工程,只模拟 EQS 距离测试中的 XY 距离计算与过滤逻辑。
from math import dist
target = (0, 0)
querier = (300, 0)
points = {
"A": (500, 0),
"B": (1100, 0),
"C": (1500, 0),
"D": (900, 600),
}
for name, point in points.items():
# 分别计算候选点到玩家和敌人自身的平面距离
to_target = dist(point, target)
to_self = dist(point, querier)
# 两个 Distance Filter 必须同时通过
valid = 800 <= to_target <= 1400 and 200 <= to_self <= 1000
status = "保留" if valid else "剔除"
print(f"{name}: target={to_target:.0f}cm, self={to_self:.0f}cm, {status}")预期输出:
A: target=500cm, self=200cm, 剔除
B: target=1100cm, self=800cm, 保留
C: target=1500cm, self=1200cm, 剔除
D: target=1082cm, self=849cm, 保留A 因离玩家过近被剔除,C 因距离玩家和自身都过远被剔除。B、D 满足两个过滤条件,因而进入后续评分阶段。实际 EQS 还会受到导航投射、其他 Test 和场景几何的影响。
在有效范围内选择更优位置
过滤决定位置是否可用,评分决定有效位置之间的优先级。如果多个候选点都处于 800~1400 厘米的范围内,仅使用 Filter Only 不会表达更喜欢靠近范围内侧还是外侧。
可以将目标距离 Test 的 Test Purpose 改为 Filter and Score,并使用线性评分策略:
- 希望在安全范围内更靠近玩家:将
Scoring Factor设置为负值,例如-1.0。 - 希望在安全范围内尽量远离玩家:使用正值,例如
1.0。 - 希望在某个理想距离附近取得较高得分:可以进一步研究
Reference Value与评分归一化方式,并通过调试结果确认具体曲线。
这里的正负因子作用于经过评分方程和归一化处理的值,不应把它当成原始距离的直接加减。若还存在路径成本、视线等评分项,最终结果会受到各测试共同影响。
在 Blackboard 中建立 MoveToLocation,类型选择 Vector。行为树的移动分支使用 Run EQS Query,指定 Query Template = EQS_CombatPosition、Run Mode = Single Best Item、Blackboard Key = MoveToLocation,随后使用 Move To 读取这个位置。
查询只负责选点,真正的移动仍由导航系统完成。若查询失败,应让行为树进入等待、保持当前位置或其他备用分支,不能默认旧的 MoveToLocation 仍然有效。
验证结果与处理异常
进入 PIE,使用 AI Debugging 的 EQS 视图检查候选点和最终选择。也可以创建 EQSTestingPawn 蓝图,在关卡中指定 Query Template 观察各点的测试结果;不过自定义 Context 必须在当前测试模式下能够提供有效目标,依赖运行时玩家对象的 Context 不一定能直接用于离线预览。
重点检查以下情况:
- 玩家靠近时,距离过小的候选点是否被过滤,最终位置是否仍在安全范围内。
- 玩家远离时,是否因 Generator 范围不足而没有有效点。
- 查询点在墙体另一侧时,是否通过 Pathfinding 检查,避免选中不可到达位置。
- 增加和减少
Scoring Factor时,最优位置是否符合预期,而不只是候选点颜色变化。
如果所有点都被剔除,先分别禁用自身距离和目标距离过滤,确定是哪一个约束过严,再检查 NavMesh 与目标 Context。不要直接扩大所有范围,否则会掩盖配置问题。
对于频繁移动的玩家,查询还应按合理间隔更新,并在目标移动显著超出原范围时触发重新选点。距离过滤负责保证位置处于合理区间,移动成本和查询频率则决定这套战术位置选择是否稳定。